仓库把安全库存从 120 件调到 300 件，缺货次数少了，月末库存却多出一批；把库存上限压下来，资金占用降了，旺季又频繁断货。复盘时真正要回答的并不是“上限设得高不高”，而是这个上限由哪些需求、交期、服务水平和补货规则推出来，偏差又发生在哪个环节。下面这套操作手册把库存上限当作一个需要定期验证的管理假设，而不是一次算完、长期不动的固定数字。
我复盘库存参数时，首先会把安全库存、再订货点和库存上限拆开。安全库存用于缓冲需求或供应的不确定性；再订货点决定何时触发补货；库存上限则是在特定补货制度下，库存位置允许达到的目标水平。三者有关联，但不能互相替代。
库存位置通常按“现有可用库存＋在途库存－已分配未出库数量”计算。只看仓库实物数量，会把已下单的货漏掉，也可能把客户订单已经占用的库存当成可供新订单使用。结果是参数看上去合理，执行时却不断超买或断货。
在连续检查、按固定批量补货的场景中，常见做法是达到再订货点时下单，补货后库存位置大致增加一个订货批量；在定期检查的场景中，则常以“检查周期＋采购交期”内的预计需求为保护期，计算订货至目标水平。上限必须和补货制度一起解释，脱离制度谈一个绝对上限，往往没有可执行意义。
我会把结论写成“上限变动，适用对象，输入数据，预期结果，复核日期”五项，而不只记录一个新数字。这样下一次复盘时，团队才能判断效果来自参数本身，还是来自需求波动、供应商改善或采购批量变化。
如果缺货集中在交期突然拉长的商品，提高安全库存可能有帮助，但还应同步检查供应商准时率和下单时点。如果库存偏高集中在滞销品，直接降低所有商品的上限可能伤及畅销品，应该先处理商品分层和退出机制。
因此，我不会用“缺货就加库存、积压就降上限”作为复盘结论。更稳妥的判断是：缺货由需求估计偏低、交期估计偏短、补货执行滞后，还是库存记录错误造成；高库存是目标参数过高、采购批量过大、需求已转弱，还是在途和可用量口径重复造成。
仓库通常能稳定拿到出库记录，却不一定记录因缺货而没有成交的需求。一个商品连续三天无货，出库量可能是零；如果直接将零销量纳入预测，系统会把缺货造成的销量损失误判为需求下降，后续上限还会被继续压低。
促销也会制造相反方向的误读。活动期间出库陡增，若没有活动标记、活动销量区间或基线需求，简单用近期平均数计算上限，可能把一次性峰值带进未来每个补货周期。复盘时应区分常态需求、可重复季节性需求和一次性事件。
我建议将需求记录至少拆成“正常销售、促销、缺货、退货、内部领用、异常出库”几类。并非每个团队都需要复杂的预测模型，但必须知道一段时间内的销量变化究竟代表消费需求变化，还是渠道、活动和供给变化。
采购单创建到供应商发货只是交期的一部分。仓库真正能用于履约的时间，通常还包括供应商备货、运输、预约、卸货、质检、上架以及异常处理。若只用合同中的“发货周期”，却忽略到货后等待检验的时间，上限就会系统性偏低。
反过来，如果只拿个别最慢订单的交期当常态，也会把缓冲量设得过高。更合理的做法是同时看中位数、分位数和超期比例：中位数描述典型水平，高分位反映服务风险，超期比例帮助定位供应问题。商品关键程度不同，采用的风险分位也可以不同。
我会要求复盘表明确列出可用库存、冻结库存、质检库存、已分配量和在途量。举例来说，账面在库 500 件，其中 80 件待检、120 件已分配给订单，真正可自由承诺的库存可能只有 300 件。若计算时直接把 500 件当可用库存，补货触发时间会被推迟。
在途货也需要区分状态：已确认出货、仅有采购单、供应商未确认、运输异常，不应一律按确定到货计入。我的判断是，库存数据不只是一个数量字段，而是带有状态、时间和责任人的业务记录。状态越模糊，参数越容易被错误的“精确数字”误导。
用一周数据调整一个交期为一个月的商品，通常会过度反应。短窗口容易被单次大单、促销或到货延迟左右；窗口过长，又可能把产品生命周期变化平均掉。复盘窗口应覆盖多个完整补货周期，并结合商品的季节性、波动性和供应风险设置。
对于高频消费、交期稳定的商品，可以采用较短的滚动窗口；对于低频、高价值或交期长的商品，应延长观察期，同时单独记录异常事件。没有一种固定窗口适用于所有商品，关键是确保窗口内有足够的有效需求和补货样本。
历史峰值可以提示极端需求，但不能直接等同于未来的安全库存。峰值可能来自大客户一次性采购、活动集中发货或数据重复；如果把它当作常态，仓库会为低概率事件长期持有大量库存。
更实用的做法是为峰值加上事件标签，并判断它是否可预测、可重复、可提前备货。如果峰值可提前获知，应单独设置活动计划；如果属于随机波动，则应结合服务目标和波动程度衡量缓冲，而不是用单日最高值替代统计分析。
平均需求乘平均交期，能够得到一个基础需求量，却不能说明需求和交期的不确定性。两个商品平均日销量都是 40 件，一个每天稳定在 38 至 42 件，另一个常在 10 至 90 件间跳动；两者用同一个安全系数，缺货风险不会相同。
交期也一样。若供应商每次都在 7 天左右到货，与有时 4 天、有时 16 天到货的供应商，平均交期可能相似，库存风险却明显不同。复盘时至少要看需求波动和交期波动，必要时还要看二者是否同时在旺季恶化。
把所有商品的目标服务水平都设为同一个数字，执行简单，却会让低价值长尾件占用过多资金，也可能让关键配件的缺货风险仍然过高。更可行的方式是结合商品价值、缺货后果、替代性、客户承诺和补货难度分层。
服务目标不是“越高越好”。如果从 95% 提升到 99% 需要显著增加缓冲，而缺货代价并不高，额外库存的资金、仓储和过期风险可能不值得。团队需要明确服务提升的业务收益由谁承担，库存成本由谁负责。
实际库存超过上限，不一定都代表参数设置错误。可能是采购批量不可拆分、供应商有起订量、在途重复计入、退货集中回仓，也可能是需求在上次复盘后突然变化。上限更适合作为预警和决策边界，而非忽略约束的机械禁令。
如果系统一旦超过上限就禁止采购，可能造成关键商品断供；如果超限没有责任人、原因和处置日期，上限又会变成没人关注的报表数字。我会把“超限”定义成需要解释的异常，而不是自动认定为违规。
周转率提高可能来自库存下降，也可能来自销售短期增长；单看这个指标无法判断供货能力有没有变差。若降库存后订单满足率下降、紧急采购增加、加急运输费用上升，整体经营成本未必降低。
每次调整上限，都应同时跟踪库存价值、缺货率、订单满足率、加急采购次数、呆滞库存和参数命中情况。只奖励库存下降、不追踪服务结果，会诱导团队把风险推给销售、客户或临时采购环节。
复盘前先定义仓库、商品、渠道、库存状态和时间范围。同一个 SKU 如果在多个仓库间调拨频繁，应决定按单仓管理还是按网络库存管理；同一商品如果有不同包装规格，也要统一换算到基本计量单位。
时间窗口需要能覆盖需求和补货的实际周期。可先检查近 6 至 12 个月数据是否存在明显季节性，再根据交期和销量频率决定用于计算的滚动区间。这个范围不是硬性规定；新上市商品、季节品和生命周期末段商品需要单独处理，不能机械套用历史全年均值。
清洗数据不是把所有极端值删除。每个异常点应先归类：录入错误、促销峰值、客户一次性采购、断货期间的需求损失、供应延迟，还是无法解释的真实波动。只有确认属于错误的数据，才适合直接修正或剔除；真实事件应保留并标记。
缺货期间的需求可以用订单未满足量、缺货前后的销售、同类商品替代情况辅助估计，但估计值必须标明方法和可信程度。如果团队没有完整的失销数据，就不要把修正后的数字包装成精确事实，应该把不确定性纳入风险说明。
在需求和交期数据可用时，可从安全库存的基础计算开始。若每日需求相互独立、交期近似固定，常用的简化表达是：安全库存约等于服务系数乘以日需求标准差乘以交期平方根。这里的服务系数对应团队选择的目标服务水平，不是一个脱离业务后固定不变的常数。
如果交期本身也有明显波动，且需求与交期可近似独立，可以用扩展估算：安全库存约等于服务系数乘以“交期内需求方差”。其中交期内需求方差可写作“平均交期乘日需求方差，加上平均日需求平方乘交期方差”，最后开平方。它仍是估算方法，复杂季节性或相关性很强时，需要采用更适合的数据模型或情景模拟。
服务系数的选择需要业务负责人确认。比如常用的正态近似中，约 1.28、1.65、2.05 分别对应不同的单侧覆盖水平近似值；这些数字依赖分布假设，不能直接理解为任何商品都能达到的实际订单满足率。需求偏态、间歇性和供应商断供都会使实际结果偏离估算。
连续检查模式下，基础再订货点可以用“平均日需求乘平均交期，加安全库存”估算。若每次按固定批量补货，库存位置达到再订货点时下单；库存上限要结合订货批量、在途状态和供应商最小起订量判断，不能把再订货点直接当成上限。
定期检查模式下，保护期通常包含检查间隔和补货交期。目标库存可以估算为保护期内的预计需求加上该保护期的安全库存。检查频率越低，保护期越长，所需目标水平通常越高；但如果采购可以随时触发，使用定期检查公式会高估需要的库存。
如果存在整箱、整托或最低采购量，应先计算理论参数，再向可执行订货单位取整，并把取整造成的额外库存单独记录。取整不是小问题：低销量、高单价商品可能因为一个包装单位就增加数周库存。
算出目标上限后，我会用至少三种方式校验。第一，回放历史：按新参数模拟过去一段时间的补货，观察缺货、库存高点和订单频率。第二，做压力测试：需求增加、交期延长或供应中断时，目标水平还能覆盖多久。第三，核对执行约束：资金预算、仓储容积、保质期和供应商起订量是否允许。
压力测试不等于把最坏情况当成日常库存。它的用途是判断需要额外预案的风险边界，例如替代供应商、优先分配规则、客户沟通或应急运输。若仅靠无限抬高库存覆盖所有极端场景，库存成本会失控，且仍然无法保证绝对不断货。
以下是一个用于演示计算方法的情景模拟，并非任何企业的真实经营数据。某仓库管理一款常规配件，单位为件；近一段时间的平均日需求为 40 件，日需求标准差为 12 件，平均到货交期为 7 天，交期标准差为 2 天，库存检查周期为 7 天。
商品的采购成本为每件 35 元，供应商以整批方式供货，暂不考虑促销和保质期。为演示计算，假设需求和交期近似独立，使用约 1.65 的服务系数。实际业务应根据商品重要性、数据分布和缺货代价重新确认这些假设。
| 输入项 | 情景模拟值 | 复盘含义 |
|---|---|---|
| 平均日需求 | 40 件 | 需求基线，不等于旺季峰值 |
| 日需求标准差 | 12 件 | 衡量日需求波动，需剔除或标记活动影响 |
| 平均交期 | 7 天 | 从下单到可销售入库的平均时间 |
| 交期标准差 | 2 天 | 反映交期不稳定程度 |
| 检查周期 | 7 天 | 每隔一周评估库存位置并触发补货 |
如果假设交期固定为 7 天，只考虑需求波动，安全库存约为 1.65 × 12 × √7，结果约为 52 件。平均交期需求为 40 × 7，即 280 件，因此连续检查模式下的再订货参考点约为 332 件。
但这个计算忽略了交期标准差为 2 天的事实。把交期波动纳入后，交期内需求方差约为“7 × 12²＋40² × 2²”，即 7,408；开平方约为 86 件，再乘以 1.65，安全库存约为 142 件。相应的再订货参考点约为 280＋142，即 422 件。
两个结果相差约 90 件，差异主要来自交期不确定性。在这组模拟参数下，只用固定平均交期会低估缓冲。但这不意味着每个商品都应采用更高数字；如果交期数据质量差，第一步应核实数据，而不是直接把估算值写入系统。
本例每 7 天检查一次库存，补货交期平均 7 天，保护期因此约为 14 天。保护期的预期需求为 40 × 14，即 560 件。考虑需求和交期波动，保护期方差约为“14 × 12²＋40² × 2²”，即 8,416；开平方约 92 件，乘以 1.65 后，安全库存约 152 件。
因此，这套假设下定期检查模式的目标库存约为 560＋152，即 712 件。若原先库存上限为 900 件，理论上目标差额约 188 件。但这不是说仓库必须立刻减掉 188 件：要先看现有库存、在途量、已分配量、整批采购约束和历史缺货情况。
这个结果也说明了一个常被忽视的区别：连续检查参考点约 422 件，定期检查目标约 712 件，两者回答的问题不同。前者回答“什么时候下单”，后者回答“每次检查时补到什么水平”。把 422 件直接设成定期检查上限，会把检查周期内的需求漏掉。
理论目标与现有上限相差 188 件，按每件 35 元计算，对应约 6,580 元的库存价值差额。若只用示例性的年持有成本率 24% 做估算，该差额对应的年持有成本约 1,579 元。这个持有成本率是情景假设，不是该企业真实成本，也不表示每月一定能节约相同金额。
更关键的是，188 件只是目标水平差额，并非实际可立即释放的库存。如果商品已经有采购订单在途，或者存在整批起订限制，短期内仍可能超过目标。复盘应分解为停止新增采购、调整下单批量、延后交货、跨仓调拨和逐步消化等动作，并评估每种动作的供应风险。
| 复盘动作 | 适用条件 | 主要收益 | 主要风险 |
|---|---|---|---|
| 调整补货目标 | 需求与交期数据可信，参数长期偏高 | 降低未来补货水平和资金占用 | 若需求突增，服务水平可能下降 |
| 调整采购批量 | 整批或最低起订量导致库存超标 | 减少单次到货后的库存峰值 | 供应商可能加价或拒绝小批量 |
| 延后到货或分批交付 | 供应商允许改期且交期风险可接受 | 减少短期仓储压力 | 旺季或运输波动时可能无法按期到货 |
| 跨仓调拨 | 其他仓有可用库存且调拨成本合理 | 减少局部积压并支持缺货仓 | 调拨在途时间可能增加履约延迟 |
试行新参数后，至少观察一个完整补货周期。核心指标包括订单满足率、缺货天数、库存位置高于目标的天数、平均库存价值、紧急采购次数和供应商交期偏差。若只比较两个期末盘点日，可能刚好受一张大订单或一批到货影响，得出错误结论。
我会把指标按周记录，并标注促销、断供、仓库盘点和大客户订单。若库存价值下降、满足率保持、紧急采购没有上升，说明参数调整可能有效；若库存降了但加急采购和缺货同时增加，就应检查目标是否过低，或补货流程是否没有跟上。
对于多仓、多渠道或 SKU 数量较多的团队，复盘难点往往不是公式，而是数据散落在订单、采购、仓储、财务和供应商记录中。团队可以考虑用九数云这类数据分析平台，把相关数据整理成可复核的数据集和看板，减少每次临时拼表的工作量。
使用平台前，应先确认需要连接的数据源、字段定义、更新频率、权限范围和异常处理方式。即使数据能够汇总到同一张看板，如果订单取消、在途、冻结库存和退货的定义没有统一，自动化只会更快地产生口径不一致的结果。
我更看重平台能否让使用者从总览钻取到明细：发现某类商品库存超限后，能否继续看到具体 SKU、到货批次、需求变化、在途状态和参数修改记录。看板如果只有红黄绿预警，却无法定位原因，复盘仍然要回到人工翻表。
销售与需求事实：按日期、SKU、仓库、渠道记录实际销售、取消订单、未满足需求、退货和促销标记。若未满足需求无法直接采集，应单独记录估算方式和可信等级。
库存状态事实：记录每日可用、冻结、质检、已分配、在途和呆滞库存。重要的是统一每种状态是否参与库存位置计算，避免不同报表使用不同口径。
采购与交付事实：保留采购单创建、供应商确认、发货、到仓、质检完成和上架时间。由此才能计算“采购下单至可销售”的实际交期，而非只统计运输时间。
参数变更事实：保存 SKU、仓库、旧参数、新参数、调整原因、批准人、生效日期和复核日期。参数没有版本记录，就很难把结果归因到某次调整，也无法在判断失误时回滚。
管理层看总量和风险：库存金额、超上限金额、缺货 SKU 数、呆滞库存金额、订单满足率的变化。看板需要同时显示服务表现和库存成本，避免只优化一个方向。
计划和采购人员看参数与执行：再订货点、目标上限、库存位置、预计到货、供应商交期偏差、采购批量和即将触发的异常。每条预警最好能显示触发原因，例如需求波动上升、交期拉长或库存记录异常。
仓库和运营人员看状态与任务：待检数量、异常入库、库位差异、过期风险和需要优先处理的收货。数据平台无法替代现场确认，仍需要明确由谁核实库存状态，多久更新一次。
我不建议把所有偏差都做成同一种红色预警。可按风险设置不同动作：库存位置低于再订货点，提示采购检查；超过目标上限一定比例，要求填写超限原因；交期连续偏离历史基线，触发供应商复核；账实差异达到阈值，要求仓库盘点。
每条预警还应有责任人、截止时间和关闭条件。预警若没有处理闭环，数量越多，团队越容易忽略。上线初期应先做少量高价值规则，观察误报率和漏报，再逐步扩展。
九数云可作为构建库存分析视图的一个候选工具。具体能否满足团队的数据连接、权限、刷新频率、计算逻辑和部署要求，应以官网公开信息、实际演示和试用验证为准；我不会把平台本身等同于库存策略，也不建议在没有字段核验的情况下直接将看板数字写回采购系统。
先确认高库存不是季节备货或大客户订单形成的阶段性状态，再核对在途和已分配口径。若参数已长期未更新、实际服务水平又远高于业务目标，可以逐步降低补货目标或调整采购批量，而不是一次性砍掉现有库存。
此类商品适合建立常态化的周期复核。库存已经形成后，优先通过停止新增订单、协商分批到货或自然销售消化，避免为了快速降库存而低价清仓，造成的损失反而超过仓储成本。
先按正常需求、促销需求和大客户需求拆分。能够提前获知的活动需求，适合单独做备货计划；无法提前识别的波动，再通过服务目标和缓冲水平管理。不要让一次活动销量永久推高日常上限。
如果需求呈现间歇性，例如多数日期没有需求、少数日期集中出单，平均数和标准差可能不足以描述风险。可按需求发生频率、单次需求量和客户承诺安排复盘，必要时采用人工情景判断，并标记模型适用边界。
这时提高缓冲可能是必要的临时措施，但要同时分析交期分布、延误原因和供应商改善空间。若延迟集中在某个生产环节或运输线路，供应商协同、替代路线和交货拆分可能比长期增加库存更经济。
对关键物料可设置临时风险缓冲，并明确退出条件，例如供应商连续若干批次按期交付后重新评估。没有退出条件的临时库存，往往会变成永久库存。
先将这类商品列入高关注组，分别制定需求情景、供应中断预案和客户分配规则。库存上限只是风险控制中的一环；替代供应、关键客户优先级、跨仓调拨能力和应急采购路径都要纳入决策。
如果高库存也不能覆盖长时间断供，继续堆货未必有用。团队应比较增加库存的成本与建立替代供应、产品替代或客户协商机制的成本，并明确极端情况下由谁批准例外采购。
新品缺少历史数据，可以用相似商品、上市计划和销售渠道信息建立初始估计，但必须给参数标注低置信度，并缩短复核间隔。销售数据形成后，应尽快用实际需求替换类比假设。
季节品应把旺季、备货提前期、退市时间和清货周期放进同一张计划表。生命周期末段的商品，即使安全库存公式给出较高缓冲，也要检查剩余销售窗口；若剩余可售时间不足，增加库存可能放大报废和折价风险。
发现库存状态错误时，先暂停对相关 SKU 做大幅参数调整，安排盘点或状态核验，再重算库存位置。否则团队可能针对虚假的缺货信号追加采购，也可能因虚高库存而延迟下单。
如果差异反复发生，重点应从公式转向收货、退货、冻结、拆零和跨仓调拨流程。参数复盘不能修复基础交易记录；只有责任节点和状态更新规则清楚，库存计算才有稳定输入。
目标服务水平提高，通常意味着需要更多缓冲，但增加库存并不总能有效降低缺货。如果缺货主要来自采购审批慢、供应商失约或库存记录错误，单纯增加安全库存只是购买暂时的安心感，没有解决根因。
决策时应把缺货的经济损失与持有成本放在同一张表里。缺货损失可以包括失销毛利、客户违约、停线或加急费用；持有成本则包括资金、仓储、损耗、过期和降价风险。无法精确货币化的影响可以分级，但不要假装没有成本。
集中库存有利于合并需求波动，减少重复安全库存，但可能增加配送距离和跨仓调拨时间。分散库存能靠近需求点，却可能让每个仓库都持有一份缓冲，放大整体库存。
若仓库之间调拨速度快、运输成本低，集中管理库存可能更合适；若客户要求快速交付、跨区运输不稳定，区域库存可能有业务价值。不能只比较仓库内的周转率，还要看网络层面的满足率、调拨频次和履约成本。
大批量可能获得采购折扣、降低下单和运输频次，却增加到货后的库存峰值、资金占用和需求转弱风险。小批量能提高响应灵活性，但可能提高单价、运输成本和采购管理工作量。
比较方案时应把采购价格、运输费用、库存持有成本、供应商起订条件和缺货风险合并评估。不能因为单价便宜就认定总成本更低，也不能因库存金额下降就忽略高频下单带来的操作成本。
自动计算适合字段清晰、需求规律、规则重复的商品；人工复核适合新品、战略客户专供、供应中断和强季节性商品。最稳妥的模式通常不是全自动或全手工，而是自动发现偏差、人工审批例外、系统记录原因。
团队应设定人工覆盖参数的权限和有效期。若任何人都能无理由改上限，自动化没有治理价值；若任何调整都需要复杂审批，响应又会慢到失去作用。审批力度应与商品风险和资金影响相匹配。
频繁更新能快速响应变化，但也可能把短期噪声放大，造成参数追涨杀跌。过久不更新则会让旧需求结构和旧供应能力继续影响采购。复核频率应根据商品波动、交期和风险级别分别设置。
建议把常规复核与事件触发结合起来：常规周期检查数据和参数；当需求偏差连续扩大、供应商交期明显变差、促销计划确定或商品进入生命周期新阶段时，提前触发专项复盘。这样既减少无效调整，也避免等到月底才发现风险。
清单不必一开始就覆盖所有复杂字段，但必须保证最关键的需求、交期、库存状态和参数记录能够对齐。数据缺失时，先标注缺失范围和对结论的影响，再决定是否适合计算，不要把空值默认为零。
试点商品应覆盖不同类型，而不是只挑数据最干净的一组。可以选一个稳定畅销品、一个需求波动品和一个交期风险品，检查方案在不同边界下是否可执行。试点期间要避免同时大幅改变预测、采购批量和供应商规则，否则无法判断结果来自哪项变化。
我建议至少成组观察库存与服务指标。库存侧看平均库存金额、超上限天数、呆滞占比和库存周转；服务侧看订单满足率、缺货天数、延期订单和紧急补货；执行侧看供应商准时率、实际交期和参数复核完成率。
所有指标都要写明统计口径和时间范围。比如“缺货率”可以按缺货 SKU 天数、缺货订单行或未满足数量计算，三种口径不能混用。仪表板上若只显示一个百分比，却没有分母、时间范围和排除规则，跨部门讨论很容易各说各话。
决策记录不需要写成长篇报告，但要能让后来的人复现判断。建议包含复盘对象、使用数据区间、异常处理方法、计算假设、旧值和新值、预期收益、潜在风险、批准人、执行日期和下一次检查时间。
若实际表现与预期不一致，要记录差异而不是只保留最终参数。连续几次复盘后，团队可以看出哪些商品适合标准规则、哪些需要人工判断，以及哪些供应商或数据源长期制造误差。这种积累比一次性追求复杂模型更能提高决策质量。
库存上限看起来是一个明确数字，背后却包含需求预测、交期分布、服务目标、检查频率、订货批量和库存状态等一组假设。只要其中一个关键条件改变，原来的上限就可能不再适用。
所以我更愿意问“这个参数在什么条件下成立”，而不是只问“上限是多少”。团队能解释需求怎么取、交期怎么算、服务目标为何如此、异常如何处理，才算真正拥有这个参数。
如果团队准备立即行动，可以先选 20 至 50 个具有代表性的 SKU，按稳定型、需求波动型和交期风险型分组。核对至少一个完整补货周期的数据，明确库存位置口径，再比较当前上限与按补货制度推导的目标水平。
对参数有明显差异的商品，不要马上全量改写。先做历史回放，选择一组试点商品运行一个或多个补货周期，同时观察库存价值、满足率、缺货天数和紧急采购。如果结果符合预期，再逐步扩围；如果不符合，先回到偏差来源，而不是继续盲目加减库存。
真正有效的安全库存管理，不是把库存压到最低，也不是把断货概率幻想成零，而是在清楚知道风险、成本和服务边界后，选择可以解释、可以验证、必要时可以撤回的库存上限。下一步就从统一需求、交期和库存状态口径开始，让每一次上限调整都能回答三个问题：为什么改、改了以后看什么、结果不对时怎么办。
读者评论
把可用库存、质检库存、已分配量和在途量分开看很关键。我们之前只按账面库存补货，后来发现一部分货早已被订单占用，计算出来的补货点自然不准。
用平均交期容易掩盖供应商偶尔大幅延迟的问题。文中建议看分位数和超期比例比较实用，尤其是交期波动大的商品，光加库存未必是最该优先做的事。
认同不能只盯库存周转率。调整上限后，最好一起看订单满足率、紧急采购和呆滞库存，否则账面库存降了，缺货和加急费用可能反而上升。